NPOI处理Word文本中段落编号

NPOI的XWPFParagraph对象中，是无法直接读取段落编号的，然而可以读取的是编号的样式名称（GetNumFmt），编号分组ID（GetNumID），编号样式（NumLevelText）等。具体如下：

/*
             * 若干格式信息
             * GetNumFmt: decimal, GetNumID: 1, GetNumIlvl: 0, NumLevelText: %1. => 1.
             * GetNumFmt: decimal, GetNumID: 4, GetNumIlvl: 0, NumLevelText: %1) => 1)
             * GetNumFmt: chineseCountingThousand, GetNumID: 2, GetNumIlvl: 0, NumLevelText: (%1) => (一)
             * GetNumFmt: chineseCountingThousand, GetNumID: 3, GetNumIlvl: 0, NumLevelText: %1、 => 一、
             * GetNumFmt: upperLetter, GetNumID: 5, GetNumIlvl: 0, NumLevelText: %1. => A.
             * GetNumFmt: decimal, GetNumID: 6, GetNumIlvl: 0, NumLevelText: %1、 => 1、
             */

若干格式信息

于是封装了段落编号的处理类，几个关键点：

1、考虑频繁调用，使用单例。

2、依照NumLevelText内容替换编号的样式

3、编号分组发生变化时，编号要重置为1，采用字典记录

4、汉字、字母统一处理为数字编号

5、读取一个新Word时，字典内容要清空

段落处理类：

     /// <summary>
     /// 段落处理类
     /// Author: Matsuyoi
     /// </summary>
     class ParagraphNumHandle
     {
         #region 封装为单例
         private static ParagraphNumHandle singleton = null;
         public static ParagraphNumHandle GetInstance()
         {
             if (singleton == null)
                 singleton = new ParagraphNumHandle();
             //获取单例后重置一次变量
             singleton.Reset();
             return singleton;
         }
         #endregion
         //Num字典
         private Dictionary<string, int> _Count;
         private ParagraphNumHandle()
         {
             _Count = new Dictionary<string, int>();
         }
         /// <summary>
         /// 重置
         /// </summary>
         private void Reset()
         {
             //清空字典
             _Count.Clear();
         }
         /// <summary>
         /// 处理段落中的编号,汉字与字母编号统一转为数字编号
         /// </summary>
         /// <param name="paragraph"></param>
         /// <returns></returns>
         public string GetParagraphNum(XWPFParagraph paragraph)
         {
             string result = "";
             //若无编号格式信息,则返回空
             if (string.IsNullOrEmpty(paragraph.GetNumFmt()) ||
                 string.IsNullOrEmpty(paragraph.GetNumID()) ||
                 string.IsNullOrEmpty(paragraph.NumLevelText))
             {
                 return result;
             }

             string key = paragraph.GetNumID() ?? "";
             if (!_Count.ContainsKey(key))
             {
                 //编号从1开始
                 _Count.Add(key, );
             }
             else
             {
                 _Count[key] += ;
             }

             string fmt = paragraph.NumLevelText.Replace("%1", "{0}");
             result = string.Format(fmt, _Count[key].ToString()) + " ";
             return result;
         }
     }

调用方式：

//段落编号处理
ParagraphNumHandle pnc = ParagraphNumHandle.GetInstance();
//正文段落
foreach (XWPFParagraph paragraph in document.Paragraphs)
{
//获取段楼中的编号
string num = pnc.GetParagraphNum(paragraph);

...

}

延续上一篇《NPOI处理Word文本中上下角标》的示例，完整代码如下：

/// <summary>
        /// 读取Word,并识别文本中的上下角标
        /// </summary>
        /// <param name="fileName"></param>
        /// <returns></returns>
        public static string ReadWordTextExWithSubscript(string fileName)
        {

            string fileText = string.Empty;
            StringBuilder sbFileText = new StringBuilder();

            #region 打开文档
            XWPFDocument document = null;
            try
            {
                using (FileStream file = new FileStream(fileName, FileMode.Open, FileAccess.Read))
                {
                    document = new XWPFDocument(file);
                }
            }
            catch (Exception e)
            {
                throw e;
            }
            #endregion
            //段落编号处理
            ParagraphNumHandle pnc = ParagraphNumHandle.GetInstance();
            //正文段落
            foreach (XWPFParagraph paragraph in document.Paragraphs)
            {
                //获取段楼中的句列表
                IList<XWPFRun> runsLists = paragraph.Runs;
                //获取段楼中的编号
                string num = pnc.GetParagraphNum(paragraph);
                sbFileText.Append("<p>" + num);
                foreach (XWPFRun run in runsLists)
                {
                    switch (run.Subscript)
                    {
                        case VerticalAlign.BASELINE:
                            sbFileText.Append(run.Text);
                            break;
                        //上角标
                        case VerticalAlign.SUPERSCRIPT:
                            sbFileText.Append("<sup>" + run.Text + "</sup>");
                            break;
                        //下角标
                        case VerticalAlign.SUBSCRIPT:
                            sbFileText.Append("<sub>" + run.Text + "</sub>");
                            break;
                        default:
                            sbFileText.Append(run.Text);
                            break;
                    }

                }
                sbFileText.AppendLine("</p>");
            }
            fileText = sbFileText.ToString();

            return fileText;
        }

测试：

Word文档：

输出：

<p>1. 第一段</p>
<p>2. 第二段</p>
<p>1) 第三段</p>
<p>(1) 第四段</p>
<p>(2) 第五段</p>
<p>1、 第六段</p>
<p>2、 第七段</p>
<p>1. 第八段</p>
<p>1、 第九段</p>
<p>2、 第十段</p>
<p>测试^上_下ok。</p>
<p>CO₂</p>
<p>面积约6000km²</p>

Html预览：